本書展示了機器學習中的核心算法和理論,并闡明了算法的過行過程。書中主要涵蓋了目前機器學習中各種最實用的理論和算法,包括概念學習、決策樹、神經網絡、貝葉斯學習、基于實例的學習、遺傳算法、規則學習、基于解釋的學習和增強學習等。對每一個主題,作者不僅進行了十分詳盡和直觀的解釋,還給出了實用的算法流程。本書被卡內基梅隆等許多大學作為機器學習課程的教材。機器學習這門學科研究的是能通過經驗自動改進的計算機算法,其應用從數據挖掘程序到信息過濾系統,再到自動機工具,已經非常豐富。機器學習從很多學科吸收了成果和概念,包括人工智能、概論論與數理統計、哲學、信息論、生物學、認知科學和控制論等,并以此來理解問題的背景、算法和算法中的隱含假定。